Input State Stability of Gated Graph Neural Networks - Archive ouverte HAL
Article Dans Une Revue IEEE Transactions on Control of Network Systems Année : 2024

Input State Stability of Gated Graph Neural Networks

Antonio Marino
Sensor-based and interactive robotics
Claudio Pacchierotti
Sensor-based and interactive robotics
CV
Paolo Robuffo Giordano
Sensor-based and interactive robotics

Résumé

In this paper, we aim to find the conditions for input-state stability (ISS) and incremental input-state stability (δISS) of Gated Graph Neural Networks (GGNNs). We show that this recurrent version of Graph Neural Networks (GNNs) can be expressed as a dynamical distributed system and, as a consequence, can be analysed using model-based techniques to assess its stability and robustness properties. Then, the stability criteria found can be exploited as constraints during the training process to enforce the internal stability of the neural network. Two distributed control examples, flocking and multi-robot motion control, show that using these conditions increases the performance and robustness of the gated GNNs.

Domaines

Robotique [cs.RO]
Fichier principal
Vignette du fichier
stability_Graph_Gated_Neural_Networks.pdf (1.1 Mo) Télécharger le fichier
Figures/AntonioMarino.jpeg (119.13 Ko) Télécharger le fichier
Figures/ClaudioPacchierotti.jpg (120.48 Ko) Télécharger le fichier
Figures/Flocking_delay.png (17.5 Ko) Télécharger le fichier
Figures/Flocking_leader_delay.png (17.88 Ko) Télécharger le fichier
Figures/flocking_example.png (52.07 Ko) Télécharger le fichier
Figures/flocking_laplacian_leader_range.png (18.52 Ko) Télécharger le fichier
Figures/flocking_laplacian_stb_range.png (16.67 Ko) Télécharger le fichier
Figures/flocking_leader_N.png (23.29 Ko) Télécharger le fichier
Figures/flocking_leader_range.png (17.78 Ko) Télécharger le fichier
Figures/flocking_stb_N.png (18.79 Ko) Télécharger le fichier
Figures/flocking_stb_range.png (16.97 Ko) Télécharger le fichier
Figures/motion_planning_example.png (64.1 Ko) Télécharger le fichier
Figures/multimotion_success_N.png (15.85 Ko) Télécharger le fichier
Figures/multimotion_success_obstacles.png (14.21 Ko) Télécharger le fichier
Figures/multimotion_success_range.png (16.52 Ko) Télécharger le fichier
Figures/multimotion_success_rrt.png (11.76 Ko) Télécharger le fichier
Figures/multimotion_travel_time_N.png (16.36 Ko) Télécharger le fichier
Figures/multimotion_travel_time_obstacles.png (16.69 Ko) Télécharger le fichier
Figures/multimotion_travel_time_range.png (16.47 Ko) Télécharger le fichier
Figures/multimotion_travel_time_rrt.png (13.44 Ko) Télécharger le fichier
Figures/prg.jpg (161.85 Ko) Télécharger le fichier
GNN.png (145.99 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Antonio Marino  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-04110671

Soumis le : mercredi 24 janvier 2024-10:57:29

Dernière modification le : mercredi 6 novembre 2024-12:52:02

Télécharger pour visualiser

Dates et versions

hal-04110671 , version 1 (30-05-2023)
hal-04110671 , version 2 (21-08-2023)
hal-04110671 , version 3 (24-01-2024)

Licence

Paternité

Identifiants

Citer

Antonio Marino, Claudio Pacchierotti, Paolo Robuffo Giordano. Input State Stability of Gated Graph Neural Networks. IEEE Transactions on Control of Network Systems, 2024, pp.1-12. ⟨10.1109/TCNS.2024.3372710⟩. ⟨hal-04110671v3⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

UNIV-RENNES1 CNRS INRIA INSA-RENNES IRISA CENTRALESUPELEC INRIA2 UR1-MATH-STIC UR1-UFR-ISTIC UNIV-RENNES UR1-MATH-NUM
145 Consultations
252 Téléchargements

Altmetric

Partager

More